PENGENALAN KEPRIBADIAN SESEORANG BERDASARKAN SIDIK JARI DENGAN METODE FUZZY LEARNING VECTOR QUANTIZATION DAN FUZZY BACKPROPAGATION

Abstract

Kepribadian dapat diidentifikasi melalui analisis pola sidik jari. Pengenalan kepribadian umumnyamenggunakan uji psikometri melalui serangkaian tahapan yang relatif panjang. Melalui analisis pola sidik jari, dapatdiidentifikasi kepribadian secara lebih efisien. Penelitian ini mengajukan algoritma klasifikasi Fuzzy LearningVector Quantization (Fuzzy LVQ) karena waktu komputasi yang lebih cepat dan tingkat pengenalan yang tinggi, dandengan metode Fuzzy Backpropagation yang mampu menyelesaikan model data non linier. Tahapan penelitianterdiri dari akuisisi dan klasifikasi. Tahapan pertama melalui akuisisi sidik jari, ekstraksi fitur, proses pelatihan, danpre-klasifikasi. Selanjutnya tahap klasifikasi, melalui klasifikasi fitur sidik jari uji menggunakan algoritma FuzzyLVQ, dibandingkan dengan Fuzzy Backpropagation. Kepribadian diidentifikasi melalui pola hasil klasifikasimenggunakan basis pengetahuan dermatoglyphics. Unjuk kerja diukur dari pencocokan pola hasil pre-klasifikasidan hasil klasifikasi. Hasil penelitian menunjukkan klasifikasi Fuzzy LVQ tingkat kecocokan tertinggi 93,78%dengan iterasi pelatihan maksimum=100 epoh pada target error 10-6. Sedangkan Fuzzy Backpropagation dengantingkat kecocokan tertinggi 93,30% dengan iterasi maksimum diatas 1000 epoh pada target error 10-3. Hal inimenunjukkan Fuzzy LVQ memiliki unjuk kerja lebih baik dibandingkan Fuzzy Backpropagation. Survey respondendilakukan untuk menguji kesesuaian analisa kepribadian sistem dibandingkan dengan kepribadian responden, danhasil survey menunjukkan analisa kepribadian sistem sebagian besar cocok dengan kepribadian responden.